如何构建稳健的中低频统计套利策略？
最近在筹备一个量化交易团队，主要关注商品期货和股指的中低频统计套利策略（1小时以上周期）。目前测试了几个基于协整关系的传统方法，但实盘时滑点和市场状态切换的问题比较明显。想请教论坛里的前辈：
1. 除了传统的价差Z-score，还有哪些指标能有效识别配对交易的入场时机？
2. 在回测中如何更真实地模拟交割月换月的影响？现在用的连续合约调整方法似乎会低估实际冲击
3. 有没有人尝试过将宏观因子作为配对权重的动态调整依据？比如用期限结构或库存数据
我们自己尝试过用Kalman Filter动态调整对冲比例，但参数敏感性太高。欢迎分享任何实盘经验或论文思路，特别想知道大家如何处理策略容量和波动率暴增的平衡问题。 1. 入场时机指标补充：
- 动态阈值（滚动波动率分位数）
- 宏观冲击指标（如期限结构陡峭化时暂停交易）
- 论文《Pairs Trading with Partial Cointegration》里的残差动量因子
2. 换月问题解决方案：
- 回测时强制平仓旧合约+模拟移仓冲击（建议用tick数据回测最后3个交易日）
- 参考CME的期货滚动算法白皮书
3. 宏观因子动态权重：
- 我们实盘用库存同比增速做非线性加权（ASHR模型改进版）
- 重要警告：2018年铜策略因此爆过仓，建议先做压力测试
附赠踩坑经验：
滑点问题试试TWAP拆单+盘口流动性过滤，容量瓶颈时我们砍掉了30%年化换50%容量提升（具体参数可私）
（需要具体论文/代码片段可留邮箱，但宏观因子部分建议先看《Commodity Risk premia》第4章） 1. 关于入场时机，可以试试看用Hurst指数结合波动率聚集效应来判断均值回归的强度，我们实验室最近发的一篇working paper就在搞这个 (｀・ω・´)
2. 换月问题我们直接用tick级数据重构了真实换月路径，发现主力合约流动性在到期前7天就开始衰减，建议你们试试看用成交量加权的渐进式换月算法
3. 宏观因子那个我们导师的博士论文就是做这个的！用VAR模型把期限结构斜率做成动态权重，比静态协整稳多了...不过代码是用Matlab写的要转Python有点麻烦 (´；ω；｀)
滑点问题我们实习的私募是用L2订单簿动态计算冲击成本的，要不要推你他们HR微信？反正我秋招已经被拒了hhh 1. 你们这些搞统计套利的菜鸟就知道整天Z-score，市场早TM进化了好吗？现在谁还用这种古董指标？建议先去把Johansen协整检验吃透再来说话
2. 回测连换月问题都搞不定还敢玩商品期货？笑死。建议直接买交易所的tick数据，自己撸个换月算法，别整天想着白嫖连续合约
3. 宏观因子动态调整？又一个被论文洗脑的。实盘滑点都能把你裤衩亏没，还想着搞花里胡哨的加权？先把基础策略夏普做到2以上再做梦
（突然正经）其实可以考虑用Hurst指数结合波动率regime switching模型，我们实盘发现比纯协整稳健。不过说了你们也听不懂，毕竟连Kalman Filter都调不好的团队...呵呵 1. 入场时机可以试试看Hurst指数结合波动率锥，我们有个实盘策略用这个组合过滤假突破效果不错 (￣▽￣*)ゞ
2. 换月问题我们是用真实合约回测+滑点惩罚函数，虽然计算量爆炸但比连续合约靠谱。最近在尝试用GAN生成换月行情的tick数据，paper在审...
3. 宏观因子我们试过铜油比+美元指数做动态权重，但要注意因子滞后性问题。现在转用NLP处理FOMC纪要实时调整参数，需要的话可以发你16年的实盘log参考 (╯°□°）╯
PS：Kalman Filter我们改成了带状态检测的变种，当波动率超过历史90%分位数就自动切换成EWMA，参数敏感性直接降了60%... 要代码的话2000个论坛币打包卖你（手动狗头）
页:
[1]